এটি অ্যান্ড্রু এনজি দ্বারা এমএলে কোর্সেরা কোর্সে ওভারফিট করার একটি উদাহরণ দুটি বৈশিষ্ট্য সহ শ্রেণিবিন্যাসের মডেলের ক্ষেত্রে , যেখানে প্রকৃত মানগুলি × এবং ∘ দ্বারা প্রতীকী , এবং সিদ্ধান্তের সীমানা হ'ল উচ্চ অর্ডার বহুপদী শর্তাদি ব্যবহারের মাধ্যমে প্রশিক্ষণের সেটটিকে যথাযথভাবে তৈরি করা হয়েছে।( এক্স1, এক্স2)×∘ ,
যে সমস্যাটি এটি চিত্রিত করার চেষ্টা করে তা সত্যের সাথে সম্পর্কিত, যদিও সীমানা সিদ্ধান্ত রেখা (নীল বর্ণের বক্ররেখার লাইন) কোনও উদাহরণকে ভুল-শ্রেণিবদ্ধ করে না, প্রশিক্ষণের সেটটি থেকে সাধারণীকরণের দক্ষতার সাথে আপস করা হবে। অ্যান্ড্রু এনজি আরও ব্যাখ্যা করেছিলেন যে নিয়মিতকরণ এই প্রভাবটি প্রশমিত করতে পারে এবং প্রশিক্ষণের সীমানার চেয়ে কম কঠোর সিদ্ধান্তের সীমানা হিসাবে ম্যাজেন্টা বক্ররেখা আঁকেন এবং আরও সাধারণীকরণের সম্ভাবনা বেশি থাকে।
আপনার নির্দিষ্ট প্রশ্নের সাথে:
আমার স্বজ্ঞাততা হ'ল নীল / গোলাপী বক্ররেখাটি এই গ্রাফটিতে সত্যই প্লট করা হয়নি বরং এটি একটি উপস্থাপনা (বৃত্ত এবং এক্স এর) যা গ্রাফের পরবর্তী মাত্রায় (তৃতীয়) মানগুলিতে ম্যাপ হয়ে যায়।
কোনও উচ্চতা (তৃতীয় মাত্রা) নেই: দুটি বিভাগ রয়েছে, এবং ∘ ) , এবং সিদ্ধান্তের রেখাটি দেখায় যে মডেল কীভাবে তাদের পৃথক করছে। সহজ মডেল( ×)∘ ) ,
জθ( এক্স ) = জি( θ)0+ + θ1এক্স1+ + θ2এক্স2)
সিদ্ধান্তের সীমানা লিনিয়ার হবে।
সম্ভবত আপনার মনে এই জাতীয় কিছু রয়েছে, উদাহরণস্বরূপ:
5 + 2 এক্স - 1.3 এক্স2- 1.2 এক্স2Y+ 1 এক্স2Y2+ 3 এক্স2Y3
তবে খেয়াল করুন একটি অনুমানের ( ⋅ ) ফাংশন রয়েছে - আপনার প্রাথমিক প্রশ্নে লজিস্টিক অ্যাক্টিভেশন। সুতরাং x 1 এবং x 2 এর প্রতিটি মানের জন্যবহুপদী ফাংশন হয় এবং "অ্যাক্টিভেশন" (প্রায়শই অ-রৈখিক, যেমন একটি সিগময়েড ফাংশনে যেমন ওপি হিসাবে থাকে, যদিও প্রয়োজনীয়ভাবে হয় না (যেমন, RELU))। সীমাবদ্ধ আউটপুট হিসাবে সিগময়েড অ্যাক্টিভেশন নিজেকে একটি সম্ভাবনাময় ব্যাখ্যায় ধার দেয়: শ্রেণিবদ্ধকরণের মডেলটিতে ধারণাটি একটি নির্দিষ্ট প্রান্তিকের উপর আউটপুটটিকে × ( বা ∘ ) লেবেলযুক্ত করা হয় । কার্যকরভাবে, একটি অবিচ্ছিন্ন আউটপুট একটি বাইনারি ( 1 ,ছ( ⋅ )এক্স1এক্স2× (∘ ) । আউটপুট।( 1 , 0 )
ওজন (বা পরামিতি) এবং অ্যাক্টিভেশন ফাংশন উপর নির্ভর করে প্রতিটি পয়েন্ট বৈশিষ্ট্য সমতলে পারেন বিভাগ ম্যাপ করা হবে × বা ∘ । এই লেবেলটি সঠিক হতে পারে বা নাও হতে পারে: × এবংদ্বারা আঁকা নমুনার পয়েন্টগুলি এগুলি সঠিক হবে( এক্স1, এক্স2)×∘× ছবিতে প্লেনটিতেপূর্বাভাসীকৃত লেবেলের সাথে সামঞ্জস্য। সমতল অঞ্চলে সীমানা নির্ধারিত লেবেল × এবং যারা সন্নিহিত অঞ্চলে লেবেল ∘ । এগুলি একটি লাইন বা একাধিক লাইন হতে পারে "দ্বীপপুঞ্জগুলি" বিচ্ছিন্ন করে (দেখুনটুনি ফিশেটিঅংশেরদ্বারা এই অ্যাপ্লিকেশনটিদিয়েনিজেরাইখেলছেন দেখুন)∘×∘আর-ব্লগারগুলিতে এই ব্লগ এন্ট্রি )।
সিদ্ধান্তের সীমানায় উইকিপিডিয়ায় প্রবেশের বিষয়টি লক্ষ্য করুন :
দুটি ক্লাসের সাথে একটি পরিসংখ্যানগত-শ্রেণিবদ্ধকরণের সমস্যায়, সিদ্ধান্তের সীমানা বা সিদ্ধান্তের তল একটি হাইপারসফেস যা অন্তর্নিহিত ভেক্টর স্পেসকে দুটি সেটে বিভক্ত করে, প্রতিটি শ্রেণির জন্য একটি করে। শ্রেণিবদ্ধকারী সিদ্ধান্তের সীমানার একদিকে সমস্ত পয়েন্টকে এক শ্রেণির অন্তর্ভুক্ত এবং অন্য পক্ষের সমস্ত শ্রেণি অন্য শ্রেণীর অন্তর্ভুক্ত হিসাবে শ্রেণিবদ্ধ করবে। সিদ্ধান্তের সীমানা হ'ল কোনও সমস্যা স্থানের অঞ্চল যেখানে কোনও শ্রেণিবদ্ধের আউটপুট লেবেল অস্পষ্ট থাকে।
আসল সীমানা গ্রাফ করার জন্য উচ্চতার উপাদানগুলির প্রয়োজন নেই। যদি অন্যদিকে, আপনি সিগময়েড অ্যাক্টিভেশন মান প্লট করছেন (রেঞ্জের সাথে ধারাবাহিক ∈ [ 0 , 1 ] ) ,
3
কোথায় , এবং ডাব্লু হ'ল ওয়েট ভেক্টরY1= এইচθ( এক্স )ওয়াট( Θ )Θ
একাধিক নিউরনে যোগদান করে, এই পৃথক হাইপারপ্লেনগুলি মজাদার আকারের সাথে শেষ করতে যোগ এবং বিয়োগ করা যেতে পারে:
সর্বজনীন আনুমানিক উপপাদ্যের সাথে এই লিঙ্কগুলি ।